SNIFFOUT
Articles

8 本の記事

AIエージェントの精度が上がらない原因と対策|ナレッジギャップの埋め方GUIDEAIエージェントの精度が出ない原因の多くは、モデルの賢さではなくナレッジギャップ(渡すべき情報と実際に渡している情報の差)です。工程ごとに生まれるギャップの見つけ方と、受け渡しの設計、埋まったかの確かめ方を解説します。RAGFDE育成研修AIエージェントRAG の精度が上がらない原因と対策:切り分け方と手当ての順番GUIDERAG の精度が上がらない原因は、元データ、質問、検索、回答生成のどこかにあります。手法を試す前に、外れた質問を 1 問ずつ 3 つの問いで振り分けると、どこを直せばよいかが決まります。原因ごとの症状と手当て、試す順番をまとめました。RAG生成AI活用RAGのクラリフィケーションとは?聞き返しで回答精度を上げる方法GUIDEクラリフィケーションは、RAG への質問があいまいで答えが一つに決まらないとき、AI がユーザーに聞き返して条件を補ってもらう手法です。いつ聞き返すか、どう聞くか、効果の測り方までを解説します。RAG生成AI活用RAG のデータ前処理:Excel、PDF、画像、表を検索できる形に直す方法GUIDERAG のデータ前処理は、Excel や PDF、PowerPoint、画像の情報を、検索で見つかり LLM が読み違えないテキストに直す作業です。形式ごとの崩れと直し方、チャンク分割までの 6 つの手順、自動化の考え方をまとめました。RAG生成AI活用RAG の評価方法:評価用の質問集のつくり方、指標、改善の回し方GUIDERAG の評価は、現場の人が入れる質問と理想の回答の組で正答率を出し、外れた原因を検索、生成、データに分けるところまで行います。質問集の項目と質問の種類、RAGAS の指標、LLM-as-a-Judge の注意点を説明します。RAG生成AI活用RAG とは?検索拡張生成の仕組みと生成 AI 単体との違い、向いている業務GUIDERAG(検索拡張生成)は、LLM が答える前に社内文書を検索し、見つけた一部をプロンプトに入れて回答させる仕組みです。モデルの再学習とは別物です。4 つの手順、生成 AI 単体との違い、向く業務と向かない業務を図で説明します。RAG生成AI活用